面向空间通信视频编码算法的业务流模型概要.docx
- 文档编号:30473616
- 上传时间:2023-08-15
- 格式:DOCX
- 页数:13
- 大小:154.26KB
面向空间通信视频编码算法的业务流模型概要.docx
《面向空间通信视频编码算法的业务流模型概要.docx》由会员分享,可在线阅读,更多相关《面向空间通信视频编码算法的业务流模型概要.docx(13页珍藏版)》请在冰豆网上搜索。
面向空间通信视频编码算法的业务流模型概要
第25卷第6期
2008年11月中国科学院研究生院学报JournaloftheGraduateSchooloftheChineseAcademyofSciencesVol.25November No.620083国家自然科学基金项目(60573112资助
E2mail:
lizhe05@
文章编号:
100221175(20080620835208
简报
面向空间通信视频编码算法的业务流模型
3李 哲1 张 灿1,2 闫锋刚1(1中国科学院研究生院信息科学与工程学院,北京100049;2中国科学院研究生院信息安全国家重点实验室,北京100049
(2008年1月25日收稿;2008年3月24日收修改稿
LiZ,ZhangC,YanFG.Atrafficmodelforspacecommunicationvideoalgorithm.JournaloftheGraduateSchooloftheCHineseAcademyofSciences,2008,25(6:
835~842
摘 要 利用Hadamard变换的去相关性能和3D小波视频编码的帧结构特性,提出了一种新的面向空间通信视频编码算法的业务流模型.实验结果表明,新模型产生的仿真数据能够匹配视频源数据的概率密度函数,能够模拟空间通信视频源数据的短时相关性和长时相关性,在漏桶评估实验中,模型仿真数据与视频源数据的排队性能匹配效果好,可以作为空间通信系统研究的视频源模型.
关键词 3D小波视频编码,视频业务模型,Hadamard变换
中图分类号 TP393
1 引言
近年来,随着航天科技的进步和空间通信技术的发展,遥感遥测和图像等数据已经不能满足空间探测的实际需要,视频等多媒体数据需求量逐渐增加.基于国际空间数据系统顾问委员会(ConsultativeCommitteeofSpaceDataSystems,CCSDS图像数据压缩标准(ImageDataCompression,IDC[1]的视频编码方法具有良好的空间、时间可伸缩性以及质量可控制性,非常适合于具有网络异构、资源受限等特点的空间通信应用.空间通信具有传输时延大、信道环境复杂、带宽资源有限等特点[2],空间网络资源管理非常困难.为了对视频业务流进行有效的控制和管理,首先要研究视频业务流的特性及其对网络性能的要求和影响,建立业务流的统计模型.
业务流模型的统计特性主要考虑2个方面:
概率分布特性和自相关特性.视频业务流的概率分布具有重尾特性,自相关同时具有短时相关(ShortRangeDependence,SRD和长时相关(LongRange
Dependence,LRD特性[3].在对基于离散余弦变换(DiscreteCosineTransform,DCT的MPEG21、MPEG24等
视频业务流建模的研究中,提出了传统的AR模型[4,5]、基于hosking取样过程的模型[6]、FARIMA模型[7]、基于小波变换的模型[8,9]等.传统的AR模型都是短时相关的,自相关系数呈指数下降,无法精确描述视频业务流的自相关特性;基于hosking取样过程的模型、FARIMA模型和基于小波的模型克服了传统AR模型的缺点,能够同时捕获视频业务流的SRD和LRD特性,其中基于Hosking取样过程的模型和FARIMA模型由于计算复杂度高很少使用,基于小波变换的帧级模型以Haar小波的多分辨率分析为基础,通过小波系数的改造,在小波域精确捕获了基于DCT变换的MPEG21视频图像的SRD和LRD特性;
文献[10]提出的MPEG24帧级模型,利用MPEG24的帧结构特点,以IBB和PBB序列为基本处理单元,通过Hadamard变换在正交变换域对IBB和PBB序列间的相关性进行匹配建模,实现了对MPEG24视频数据SRD和LRD的精确匹配;近年来,可变比特率(VariableBitRate,VBR视频流量多重分形特性被发现[11],人们开始利用多重分形级联模型对单个视频源进行建模[12].文献[13,14]在前人研究的基础上提出了基于多重分形的VBR视频流量多步预测方法;随着可伸缩性视频编码技术的发展,基于MPEG2FGS的视频流量模型[15]、基于MPEG24空间可伸缩编码的视频流量模型[16]相继出现,但基于CCSDSIDC视频编码的统计模型研究尚未见报道.
本文以基于CCSDSIDC的视频编码流为研究对象,结合该编码算法的帧结构特征和统计特性,提出
了面向空间通信视频编码算法的业务流模型.实验结果表明,
该模型计算复杂度低,能够匹配视频源数
据的一阶和二阶统计特性;同时该模型也能够模拟视频源数据的排队性能.2 基于CCSDSIDC的3D视频编码算法简介
输入
离散小波变换
DCΠAC
位平面编码
编码输出
图1 CCSDSIDC编码方法 CCSDS于2005年公布了采用整数小波编码和位平面编码方法的面向空间通信的图像数据压缩标准IDC.该算法具有复杂度低和质量可伸缩的性能,其编码方法如图1所示.
CCSDSIDC标准充分考虑了空间通信带宽资
图2 IDC小波系数编码顺序 源和存储受限的特点,取得了很好的压缩性能,它对小波系数按位平面(Bitplane从高到低(B
7到B0的顺序进行编码,如图2所示.
由于位平面编码是按照重要性由高到低的顺序来编码各个位平面的,因此IDC编码标准所得到的码流可从任意位置截断,并能得到不同质量的重建图像,具有良好的质量可控制特性;另一方面,在每个位平面中,IDC按照从低频到高频的顺序对小波系数进行编码,由于不同级的小波系数代表了不同大小的图像,故在IDC质量可控制码流中也嵌套了空间可伸缩特性,即能够在同一码流解码得到不同空间大小的图像;在时间域上,每一个图像组(GroupofPictures,GOP中不同级的低频帧,代表了由原序列按照不同间隔抽样所得到的序列,这直接说明该码流具有很好的时间可伸缩性.
空间通信技术的发展不仅需要越来越多的遥感遥测和图像数据,视频数据的需求也日益呈现.利用CCSDSIDC标准压缩的图像数据的简单拼接得到的伪视频序列,虽然能够呈现视频效果,但压缩效率低,并需要占用较多的带宽资源,这对于资源有限的空间网络来说是一个很大的缺陷.为了实现对视频序列的有效压缩,相关研究人员在分析现有三维(3D,3Dimension小波视频编码的基础上,提出了一种新型3D小波编码算法———基于多参考帧运动补偿提升型时域滤波的3D小波视频编码算法(以下简称3D小波视频编码算法[17].该算法参考了当前的扩展3D小波变换视频编码的研究[18],将CCSDSIDC按图3方式进行扩展.
3D小波视频编码算法主要包括动态帧分组、多参考帧预测运动估计、多参考帧运动补偿提升型时域滤波、空域二维小波变换和帧内小波系数编码等.编码时首先将输入视频流分组,对每个分组进行时域一维Harr小波变换和空域二维小波变换,再使用CCSDSIDC标准对分组内每帧的小波系数进行编码.由于该视频编码算法以CCSDSIDC为基础,因此同样具有时间、空间可扩展性和质量可控制特性,适用于空间通信的视频压缩.
3D小波视频编码算法产生的视频业务流具有可变比特率特性,数据量大而且突发性高,不利于空638中国科学院研究生院学报第25卷
间网络带宽的分配和管理.建立精确的3D小波视频编码算法的业务流模型,描述业务流的基本特性,对充分利用空间通信有限的带宽资源具有重要作用
.图3 应用于空间通信的3D小波视频编码方案
3 一种基于Hadamard变换的帧级模型
本文利用Hadamard变换的去相关性能和3D小波视频编码的帧结构特性,以GOP序列作为基本处理单元,通过Hadamard变换在正交变换域对GOP序列之间的相关性进行建模,提出了一种面向空间通信3D小波视频编码算法的业务流模型.
模型分为参数估计部分和业务数据产生部分.参数估计部分在视频源数据中提取模型参数;业务数据产生部分可以根据实际需要,产生任意长度的随机3D小波视频业务仿真数据.311 参数估计
3D小波视频编码流由GOP序列组成,每个GOP又是由一个帧内编码的I帧和M-1个多帧预测编码的P帧组成,M=2,4,8,16,即每一个GOP长度为M帧.GOP的周期排列组成了编码序列:
当M=2时,编码序列为IPIP…;当M=4时,编码序列为IPPPIPPP…;当M=8时,编码序列为IPPPPPPPIPPPPPPP…;当M=16时,编码序列为IPPPPPPPPPPPPPPPIPPPPPPPPPPPPPPP….
设视频源数据共有N帧,其中第k帧帧长记为x(k,k=1,2,…,N.将x(k按顺序排列构成N维
列向量X=[x(1,x(2,…,x(k,…,x(N]T,则X即为视频源数据的帧长序列,由多个GOP排列组
成.将每个GOP组划分成一个子序列,构成M维列向量,记为g(l,其中l为GOP组的编号,l=1,2,…,L,L=「NΠM,为总GOP数.g(l中的元素记为gi(l,i=1,2,…,M,为各帧在相应GOP组中的序号.对g(l做如下变换:
^g(l=HMg(l,(1
其中,HM是M阶Hadamard变换矩阵.
定义z(l为M-1维列向量,其第j个元素(j=1,2,…,M-1记为zj(l,为方便理解进行如下代换:
y(l=^g1(l,
(2zj(l=^gj+1(l.(3
3D小波视频编码算法决定了同一GOP中的I帧和P帧之间存在相关性,而图像本身的连续性、编码算法的相关性也决定了相邻GOP组之间的相关性,这些相关性也必然反映在相邻的GOP序列的Hadamard变换系数上.用一阶AR模型对Hadamard变换系数进行简化建模.假设存在系数A、C和M-1阶对角矩阵B、D使以下2式在统计意义上成立.
y(l-E(y=A[y(l-1-E(y]+Cεy(l,(4
738 第6期李 哲,等:
面向空间通信视频编码算法的业务流模型
z(l-E(z=B[y(l-1-E(y]+Dεz(l.(5
式(4中,E(y是y(l的均值,εy(l是服从标准正态分布的随机变量;式(5中,E(z是z(l的均值,εz(l是服从标准正态分布的随机变量,为M-1维列向量.计算如下统计量:
E(y=
1L∑Ll=1y(l,(6E(zj=
1L∑Ll=1zj(l,(7Cy(0=1L∑Ll=1[y(l-E(y]2,(8Czj(0=1L∑Ll=1[zj(l-E(zj]2,(9Cy(1=1L-1∑Ll=2[y(l-E(y][y(l-1-E(y],(10
Cyzj(0=1
L∑Ll=1
[y(l-E(y][zj(l-E(zj].(11 将对角阵B、D的第j个(j=1,2,…,M-1元素记为B(j、D(j.由概率论知识可得他们二阶统计意义上的最优估计为:
A=Cy(1Cy(0
(12C=(1-A2Cy(0,
(13B(j=Cyzj(0
Cy(0
(14D(j=Czj(0-B2(jCy(0.
(15312 模型仿真数据的产生
从上面的步骤中得到了Hadamard变换系数的AR模型参数后,就可以用该模型来产生仿真视频序
列X′=[x′
(1,x′(2,…,x′(k,…]T.步骤如下:
(1初始化y′(0为E(y;
(2随机独立的产生标准正态分布随机数εy′
(l;(3利用AR模型产生Hadamard系数仿真数据y′(l,由式(4可得:
y′(l=A[y′(l-1-E(y]+Cεy′
(l+E(y;(16 (4随机独立的产生M-1个标准正态分布随机数,将他们记为M-1维列向量εz′
(l;(5利用AR模型产生Hadamard系数仿真数据z′(l,由式(5可得:
z′(l=B[y′(l-1-E(y]+Dεz′
(l+E(z;(17 (6把y′(l和z′(l按下式组合成M维列向量^g′
(l,即为Hadamard系数仿真数据,^gi(l=y′(l, i=1;zj′(l, i=j+1,(18
其中,i=1,2,…,M, j=1,2,…,M-1;
(7对^g′(l求Hadamard反变换,得到随机帧长序列g′(l,即为GOP仿真数据;
(8把生成的各子帧序列按照GOP结构排列组合成仿真视频序列:
X′=[x′(1,x′(2,…,x′(k,…]T.(19
4 仿真结果和分析
模型仿真实验在PentiumⅣ个人计算机上进行,应用Matlab711仿真软件,对2类视频序列进行了统838中国科学院研究生院学报第25卷
计特性分析和模型仿真实验.2类视频序列分别是:
自制模拟空间视频源准静止视频序列(Camera,10000帧,采样帧率f=30帧Πs,帧格式为CIF;中等活动级别视频序列FriendsSeason1-01(Friends,40252帧,采样帧率f=30帧Πs,帧格式为QCIF.GOP设为16帧,采用3D小波视频编码算法对这2类视频序列分别进行编码生成Trace文件.
411 实验一:
统计特性分析
为了验证视频源序列的重尾特性和自相关特性,本实验首先对生成的Trace文件进行了统计特性分析,其中包括视频源数据帧长概率密度函数(ProbabilityDistributionFunction,PDF分析和自相关函数特征分析.自相关函数特征分析中间隔的自相关系数(AutoCorrelationCoefficient,ACC,记为ρX(k,计算方法如下
:
ρX(
k
=1N-k
∑N-kn=1[x(n-X][x(n+k-X]S2X(20其中,X是X的均值,S2X是X的方差,k=0,1,2,…,N.实验结果分别如图4、图5(帧长概率密度直方
图和图6、图7(帧长自相关函数图所示.
图4 Camera视频源数据帧长概率密度直方图图5 Friends视频源数据帧长概率密度直方图图6 Camera视频源数据帧长的自相关函数图7 Friends视频源数据帧长自相关函数 实验结果表明,3D小波视频编码序列概率密度函数具有重尾特性,自相关函数具有短时相关性(SRD和长时相关性(LRD,同时,3D小波视频编码序列的自相关函数还具有很强的周期性.412 实验二:
统计特性仿真结果
为了比较3D小波视频业务流模型对视频源序列统计特性的仿真性能,第二个实验分别对2类视频938 第6期李 哲,等:
面向空间通信视频编码算法的业务流模型
840中国科学院研究生院学报第25卷序列进行了参数估计和模型仿真,对生成的模型仿真数据进行一阶和二阶统计特性分析,并与视频源序列进行了比较.41211 概率密度函数仿真结果概率密度函数仿真结果如图8、9所示.一个Q2Q图由两组样本的分位数组成,每组样本都有其图相应的分布函数,若由模型产生的仿真数据与视频源数据具有相近的分布函数,则他们的分位数将非常接近,在图中表现为近似直线.实验结果表明,本文模型由于利用了Hadamard变换的去相关作用,能够对概率密度函数的重尾特性进行较好的匹配.41212 自相关函数仿真结果自相关函数仿真结果如图10、11所示.图 实验结果表明,本文模型对3D小波视频编码流特有的SRD和LRD特性能够精确匹配,仿真误差较小.413 实验三:
排队性能仿真结果为了评估新模型的排队特性,第三个仿真实验比较了视频源数据和仿真数据的排队性能.实验中使[19]用比特丢失率(BLR,BitLossRate法对模型产生的仿真数据进行了性能评估.业务量密度从017到110时模型仿真数据与视频源数据的BLR对比实验结果如图12、13所示.图实验结果表明,模型仿真数据由于很好的匹配了视频源序列的一阶和二阶统计特性,因此能够很好的反映视频源数据的排队特性,具有与视频源序列相近的排队性能.图8 Camera视频源数据与仿真数据QQ图2图10 Camera自相关函数仿真结果图9 Friends视频源数据与仿真数据QQ图2图11 Friends自相关函数仿真结果
6期第李 ,等:
面向空间通信视频编码算法的业务流模型哲8 41图12 CameraBLR对比图图13 FriendsBLR对比图5 结论视频业务的建模和仿真是空间网络性能研究的重要组成部分,本文提出了一种面向空间通信3D小波视频编码算法的业务流模型,该模型有效利用了小波视频编码算法的G结构特性和Hadamard变OP换的去相关性能.经过实验证明,能够很好的拟合视频源序列的统计特性和排队性能,在进一步的空间网络仿真研究中,可以作为一种简单有效的视频业务源模型.参考文献[1] CCSDS.Imagedatacompression,recommendedstandard.CCSDS122102B21,BlueBook.2005andSystemsforVideoTechnology,2000,10(1:
93~112Communications,198836(7:
834~844[2] ClareLP,GaoJL,JenningsEH,etal.Space2basedmulti2hopnetworking.ComputerNetworks,2005,47(5:
701~724[8] S,JiC.Modelingvideotrafficusingwavelets.IEEECommunicationsLetters,1998,2(4:
100~103Ma[10] ,杜志敏,吴伟陵.一种简单的实时MPEG4图像业务模型.通信学报,2004,25(2:
1~8万彭2CommunicationReview,1998,28(4:
42~55[3] DoulamisND,DoulamisAD,KonstantoulakisGE,etal.EfficientmodelingofVBRMPEG1codedvideosources.IEEETransactionsonCircuits2[6] HuangC,DevetsikiotisM,LambadarisI,etal.Modelingandsimulationofself2similarvariablebitratecompressedvideo:
Aunifiedapproach.ComputerCommunicationReview,1995,25(4:
114~125[4] MaglarisB,AnastassiouD,SenP,etal.Performancemodelsofstatisticalmultiplexinginpacketvideocommunications.IEEETransactionson[5] 张西红,龚传信,张数京.一种新的VBRMPEG标准视频业务源模型及其特性研究.见:
王日臣,朱升堂,樊 .2000年中国捷[7] LazaroO,GirmaD,DunlopJ.Astudyofvideosourcemodelingfor3Gmobilecommunicationsystems.In:
InternationalConferenceon3GMobileCommunicationTechnologies(1st2000.3GMobileCommunicationTechnologies.LondonUK:
InstitutionofElectricalEngineers,20001461~465Conference,2005(GLOBECOM’.SaintLouisMissouri,USA:
IEEEPress,2005,1(28:
256~26005Proceedingsofthe2002InternationalZurichSeminaronBroadbandCommunications.Zurich,Switzerland:
IEEEPress,200211821~1826[9] 龙图景,李春文,孙政顺,等.一种基于瑞利分布的VBR视频流的小波模型.电子学报,2005,33(4:
638~642[11] FeldmannA,GilbertAC,WillingerW.Datanetworksascascades:
InvestigatingthemultifractalnatureofinternetWANtraffic.Computer[12] KrishnaM,GradreV,DesaiU.Multiplicativemultifractalprocessbasedmodelingofbroadbandtrafficprocesses:
variablebitratevideotraffic.In:
[13] 王升晖,裘正定.基于多重分形的VBR视频流量多步预测方法.计算机研究与发展,2007,44(1:
92~98Beijing,China:
BeijingUniversityofPostsandTelecommunicationsPress,20051101~105[14] WangS,QiuZ.AnovelmultifractalmodelofMPEG4videotraffic.In:
GuoJiaZ
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 面向 空间 通信 视频 编码 算法 业务 模型 概要